我基本上可以确认，与硬件架构紧密联系的底层编程是 AI 所不擅长的

[levelworm]

这两天在琢磨 PowerPC G4 和 6502 ，分别问了 ChatGPT 两个汇编语言的问题，AI 都没有回答正确，而且存在比较严重的似是而非。分析了一下原因，PowerPC G4 在网上的公开资料很少，而 6502 的资料虽然多，但是它有一些 Gotcha （比如说光是寻址模式就有 13 种）。

问题具体就不说了，实在是有点长，而且估计也是大家没啥兴趣的东西。只能说，更加坚定了以后往底层走的信心。

相比之下，笔者的本职工作是数据工程，无论是写 SQL 还是写 Pyspark 、Scala ，AI 除了优化一般之外，基本上都能胜任。我相信如果能够把公司的所有代码都导入进模型的话，可以代替本人 75%的工作。

[liuzimin]

为嘛你们都在担心被 AI 替代掉？在此之前我已经被卷卷的同行人类替代掉了。

[lchynn]

拿特定硬件架构的知识和案例， 做 RAG 场景或者微调特定模型就行了；
这个属于 AI 工程解决的手段，并不是说通用基线大模型或者 AI 不支持，就没用了。毕竟预训练通用大模型并不一定拿得到你这个工作领域的私域知识。但是真要做，也不是不行， 看成本了。

[tool2dx]

其实资料少的，AI 都不擅长。AI 只擅长有一堆资料的各种技术。

[adoal]

AI 比较容易搞定从青鸟/达内/蓝翔/etc 出来的转码程序员所从事的工作。

[levelworm]

@liuzimin #1

呃，其实我无所谓，反正四十多了大不了再做几年不做了。撑到五十就算胜利。我只是紧跟论坛的最新潮流谈一谈想法。

[levelworm]

@lchynn #2

我同意，但是有些资料真不好找。我觉得没人会去到处搜集 PPC g4 的资料。。。当然现在也没这个需求。

[levelworm]

@tool2dx #3
我感觉是一种比较强的搜索引擎。当然只是我的直觉。我对 LLM 的原理并不懂。

[villivateur]

AI 目前只能解决不精确的工程类问题，比如前端怎么画、爬虫怎么写等。

[karnaugh]

无非就是没啥资料，没有上下文这样子，有的话就问题不大

就好比你现在去问任何一个非电脑专业的大学教授，你看他能回答你这个什么 PowerPC G4 和 6502 的问题不。。。

[Configuration]

正常啊，因为它没怎么学过，就只能瞎猜

[WispZhan]

你用 RAG 扔几个 PowerPC G4 和 6502 的操作手册，你看它会不会。

现在模型强的是推理（虽然比各位精英还是差一点🐶，但是强于大部分普通人）

---

我最近在自定义 DSL ，只要你把 DSL 定义文件给它，它也能写你规定的 DSL 。

[Huelse]

你得把相关资料输入进去后才有可能回答的出，ai 的知识也不是凭空捏造的，需要关联内容训练过

[mjawp]

你举的这两个例子,能从书本中得到知识不,如果可以,那 AI 学会也只是时间问题

[ninjashixuan]

语料太少还没办法总结出有效规律吧。

[mahaoqu]

AI 写的最好的是 Python 和 JavaScript 你猜是为什么

[sivacohan]

确实，公开资料少的都不太能正确解答。

我在使用 verilog 实现 double dabble 算法的时候，有不太理解的地方，AI 对此无能为力。

但是单纯问 verilog 的语法反馈还是可以的。

[huzhizhao]

还不能凭空捏造，需要先学习才可以

[34433kp58111R75i]

但问题是你可以学习，掌握这种知识，只要 AI 也学了，那么。

[a852695]

AI 毕竟也不能凭空捏造，如果 AI 没有这块的垂直资料的学习，估计很难，换成一个行家，如果没有这块资料的输入，估计行家只回答不出来。本质上还是资料困难的问题。

[janus77]

自己训练一个模型，喂你们的内部文档之类的东西，多喂点，效果就好起来了